提出HEM-Med分层Agentic记忆框架用于多中心用药推荐

Min Xiao 等发布论文，提出面向安全多中心用药推荐的分层 agentic 记忆框架 HEM-Med，作者称在真实多中心 eICU 数据集上，其推荐准确性和安全性均优于代表性迁移学习、LLM 及用药推荐基线。 方法上，HEM-Med 解耦跨医院经验记忆与医院特有残差记忆，以利用大规模医疗中心经验并适配资源较少医院的处方模式；用药集合生成纳入药物相互作用风险和本地 formulary 可行性。 以上内容基于论文摘要，效果数据为作者报告，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。